-
加入矩阵维度
查看全部 -
输入->隐含->输出->结果值
查看全部 -
:=的意思是同步更新
阿尔法是学习速率
查看全部 -
什么是梯度下降？
通过一种渐近式的方式，来调整整个函数的形态
在这里决定函数样子的就是w和b，当然已经确定了激励函数的情况下
找到一个适合的w和b值：先正向计算一个y值，此时w和b是初始值，此y值和真实的y值会有差异，差异通过损失函数反馈出来，然后通过损失函数对w和b进行求导，可以得出损失函数的极小值，在求极小值的过程中调校w和b，在取得的损失函数极小值时的y值就和真实的y值差异最小。
查看全部 -
全部训练损失：单次训练的加和平均化
查看全部 -
学习值与原始值之间的差异性
y^是学习值，y是原始的标准值
查看全部 -
激励函数的作用是提供规模化的非线性化能力。
三种激励函数：
Sigmoid。优点，整个区间内可导，缺点，非中心对称，在值非常大或者非常小时，变化不明显。
tanh。缺点，在值非常大或者非常小时，变化不明显。
ReLU。广泛使用的。
查看全部 -
逻辑回归是一种最简化的网络结构
查看全部 -
节点，层
和普通函数相比：
结构的顺序性
解决非线性问题，每一个神经元，将输入值进行线性组合，然后转化为非线性结果
查看全部 -
四大模块
网络结构 激励函数
损失函数 梯度下降
查看全部 -
神经网络主要功能：
查看全部 -
激励函数的作用是提供规模化的非线性能力
查看全部 -
理解逻辑回归是一种最简化的网络结构
查看全部 -
训练学习：网络结构，激励函数，损失函数，梯度下降
查看全部 -
神经网络
主要功能：分类识别 f(x) cat
分类：图像（自动驾驶），语音（语音助手），文本（新闻推送）
查看全部
举报
0/150
提交
取消